welch-lab/liger

解决的问题

LIGER 解决了整合和分析多个单细胞数据集的挑战，这些数据集可能因实验批次、个体、性别、组织、物种或模态（如 RNA-seq、ATAC-seq 或 DNA 甲基化）而不同。

工作原理

该项目使用整合性非负矩阵分解（iNMF）来识别不同数据源之间的共享因子和数据集特异性因子。它包含专门的方法，如共识 iNMF 以获得更高置信度的结果，以及质心对齐以改善批次效应去除并保留生物学信息。

适用人群

专为进行单细胞多组学整合与分析的研究人员设计，用于定义细胞类型并在不同生物数据集中比较特征。

主要亮点

• 支持跨不同模态的整合（scRNAseq、空间转录组学、scMethylation、scATAC-seq）。
• 支持跨物种分析（例如小鼠和人类）。
• 提供聚类、识别基因标记以及通过 t-SNE 和 UMAP 进行可视化工具。
• 与现有的单细胞分析包（如 Seurat）兼容。